tf.one_hot的使用

代码

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
classes = 2
labels = tf.constant([0,1,0,0,1,1,1,0,3,4]) # labels的类型是一个Tensor
output = tf.one_hot(labels,classes) # output的类型也是一个Tensor
print(type(labels))
print(type(output))
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    output = sess.run(output)
    print('output of one-hot is:\n',output)

由于值划分为了两个类别。所以labels中的0对应的one-hot编码是[1. 0.]，labels中的1对应的one-hot编码是[0. 1.]，由于只划分为了两个类别，可以用来表示0和1。当labels中出现0和1之外的数据的时候，比如本例子中的3和4，那么将会无法表示，对应的编码就是[0. 0.]。即对于超出表示范围的值，将会采用的编码是[0. 0.]即所有的都是0.

如果指定类别为3，那么可以表示0,1,2

同理，如果指定类别为4，那么可以表示0,1,2,3

以此类推....

eg：

PS:

其实，tf.one_hot()函数还有两个参数，即on_value和off_value.。从上面的例子可以知道，默认的on_value是1，默认的off_value是0。我们可以把on_value想象成灯亮了，把off_value表示灯没了。这样以来，到最后除了某个人(对应的类别)对你留灯了，其他人都灯灭了。就可以表示对应的类别。